تخمین دمای خاک بر اساس پارامترهای اقلیمی با مدل های شبکه عصبی مصنوعی و الگوریتم هیبریدی کرم شب تاب (مطالعه موردی، استان آذربایجان شرقی)
Publish place: The 4th Conference on Environmental Planning and Management
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 704
This Paper With 9 Page And PDF and WORD Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ESPME04_209
تاریخ نمایه سازی: 19 خرداد 1396
Abstract:
همواره دمای خاک یکی از مولفه های مهم در علم خاکشناسی میباشد که نوسانات آن تغییرات زیادی را در سطح و ژرفای خاک بوجود آورده است. ثبت دمای خاک با دماسنج های حرارتی در سطح و اعماق خاک بصورت مداوم انجام نمی گیرد در نتیجه از نظر داده های خاک همواره با کمبود آمار روبرو هستیم. با توجه به اینکه اندازه گیری پیوسته متغیرهای اقلیمی همچون دمای هوا ، سرعت باد، رطوبت هوا، مقدار باران و فشار بخار اشباع در ایستگاه های هواشناسی ، به صورت مداوم انجام میشود در نتیجه برقراری رابطه ای بین دمای خاک و خصوصیات اقلیمی منطقه امکانپذیر و از اهمیت خاصی برخوردار خواهد بود. در این پژوهش داده های اندازه گیری شده مربوط به ایستگاه هواشناسی استان آذربایجان شرقی، شهرستان های جلفا و مراغه می باشد و متغیر های هواشناسی شامل دمای هوا ، رطوبت نسبی ، سرعت باد ، ساعات آفتابی و دمای عمق 5 سانتی متری با دوره آماری 10 ساله مربوط به بازه زمانی سال های 1384 تا 1394 هستند و با استفاده از مدل های شبکه عصبی مصنوعی و الگوریتم هیبریدی کرم شب تاب- شبکه عصبی مصنوعی دمای خاک در عمق 5 سانتی متری تخمین زده شد. نتایج حاکی از این است که مدلسازی با الگوریتم هیبرید کرم شب تاب – شبکه عصبی مصنوعی به مراتب بهتر از مدلسازی با شبکه عصبی مصنوعی می باشد، چراکه در این تحقیق برای شهر جلفا از مدلسازی و تخمین با الکوریتم ذکر شده به میزان خطای کمتری رسیدیم (0.89= RMSE) و همین میزان برای شهر مراغه 1/31 میباشد
Keywords:
Authors
فاطمه اسماعیل بیکی
دانشجودانشگاه تبریز
داوود زارع حقی
استادیاردانشگاه تبریز
محمدعلی قربانی
دانشیاردانشگاه تبریز
محمدرضا نیشابوری
استاددانشگاه تبریز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :